[發明專利]生成推薦信息的方法、裝置

在審

• 申請號: 202011239590.5
• 申請日: 2020-11-09
• 公開（公告）號: CN112287232A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 劉宗節;王永鵬
• 申請（專利權）人: 北京京東拓先科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/332;G06F16/33;G06N3/04;G06N3/08;G16H50/70
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了生成推薦信息的方法、裝置、電子設備及計算機可讀存儲介質，涉及人工智能領域、自然語言處理技術領域、知識圖譜技術領域和大數據技術領域。具體實現方案為：響應于確定用戶非首次訪問用戶后，獲取該用戶輸入的當前描述信息和該用戶的歷史描述信息，將該歷史描述信息輸入歷史特征匹配模型中進行處理，得到歷史特征信息，查詢該當前描述信息對應的當前特征信息，拼接該歷史特征信息和該當前特征信息，生成推薦特征信息，然后采用預先確定的推薦特征識別神經網絡識別該推薦特征信息，得到第一推薦信息并發送該第一推薦信息給該用戶，結合用戶的歷史描述信息來確定推薦信息，更準確的為用戶提供推薦信息，提高推薦信息的質量。

技術領域

本申請涉及人工智能領域，具體涉及自然語言處理技術領域和大數據技術領域，尤其涉及生成推薦信息的方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

患者通過互聯網醫院進行問診時，分診系統會與患者進行簡單交互，以便提前獲取患者的病例信息，然后分診系統會根據患者的病例信息進行自然語言處理，進行智能分科室，以代替傳統的規則匹配，帶來了多方面的收益。

現有技術中通常采用語言識別神經網絡對用戶的當前描述進行識別，根據得到的識別結果與科室標簽進行匹配，完成科室分配、推薦。

發明內容

本申請提供了一種生成推薦信息的方法、裝置、電子設備以及存儲介質。

第一方面，本申請的實施例提供了一種生成推薦信息的方法，包括：響應于確定用戶非首次訪問用戶，獲取該用戶輸入的當前描述信息和該用戶的歷史描述信息；將該歷史描述信息輸入歷史特征匹配模型中進行處理，得到歷史特征信息；查詢該當前描述信息對應的當前特征信息；拼接該歷史特征信息和該當前特征信息，生成推薦特征信息；采用預先確定的推薦特征識別神經網絡識別該推薦特征信息，得到第一推薦信息，并發送該第一推薦信息給該用戶。

在一些實施例中，還包括：響應于該用戶為首次訪問用戶，獲取該用戶輸入的當前描述信息；查詢該當前描述信息對應的當前特征信息；采用該推薦特征識別神經網絡識別該當前特征信息，得到第二推薦信息，并發送該第二推薦信息給該用戶。

在一些實施例中，將歷史描述信息輸入歷史特征匹配模型中進行處理，得到歷史特征信息包括：獲取該用戶的歷史描述信息中的用戶描述信息和推薦結果描述信息；將該用戶描述信息進行歸一化后，輸入至構成該歷史特征匹配模型的第一深度學習神經網絡層進行處理，生成第一特征信息；將取該推薦結果描述信息輸入至構成該歷史特征匹配模型的多層雙向變換器編碼器層，生成第二特征信息；將該第一特征信息和該第二特征信息輸入至構成該歷史特征匹配模型的第二深度學習網絡層進行拼接，得到該歷史特征信息。

在一些實施例中，查詢當前描述信息對應的當前特征信息包括：將當前描述信息輸入至用于輸出當前特征信息的多層雙向變換器編碼器層，查詢該當前描述信息對應的當前特征信息。

在一些實施例中，獲取歷史特征信息和當前特征信息，拼接生成推薦特征信息包括：分別獲取該歷史特征信息和該當前特征信息對應的歷史特征向量和當前特征向量；將該歷史特征向量和該當前特征向量輸入至拼接深度學習神經網絡層進行拼接，拼接生成推薦特征向量作為推薦特征信息；其中，該推薦特征向量的維度數量基于該歷史特征向量的維度數量與該當前特征向量維度數量的加和得到。

在一些實施例中，采用預先確定的推薦特征識別神經網絡識別推薦特征信息，得到第一推薦信息，并發送該第一推薦信息給該用戶包括：采用預先確定的推薦特征識別神經網絡識別該推薦特征信息，迭代生成多個推薦信息；其中，該推薦特征識別神經網絡的損失函數為交叉熵函數；響應于確定該損失函數收斂后停止迭代識別，并將最終得到的推薦信息確定為該第一推薦信息，發送該第一推薦信息給該用戶。